改进拉丁超立方蒙特卡洛模拟

电动汽车、分布式电源的并网给电网带了明显的不确定性,为了使电网分析更能贴近实际电网,通过对负荷、分布式电源出力的概率密度函数模拟其出力,借鉴已有分布式电源和电动汽车概率模型,采用拉丁超立方蒙特卡洛模拟与径向基神经网络相结合的方式计算概率潮流。该方法充分考虑了电动汽车和分布式电源的随机性、间歇性和相关性,利用拉丁超立方蒙特卡洛模拟对比传统蒙特卡洛模拟方法,降低了采样规模,提高了采样覆盖率。径向基神经网络用于求解潮流计算方程,避免了传统方法中计算雅可比矩阵和偏导,大幅度减少了运算时间。通过仿真,该算法在改进的IEEE14 和IEEE118 节点系统的计算结果表明,在保证精度的同时, 极大地加快了算法运行速度,适用于大规模电力系统概率潮流的求解,在改进的IEEE118 节点系统中,运行时间比传统蒙特卡洛模拟降低99．9%。     

基于扩展Nataf变换的交直流混合系统概率潮流计算方法

随着新型电力系统高比例新能源与高比例电力电子化的“双高”特征日益凸显，交直流混合已成为我国电力系统的典型特征。伴随着可再生能源出力的随机性，交直流混合系统的潮流也表现出随机性。为此，本文提出一种基于扩展Nataf变换和拉丁超立方采样的交直流混合系统概率潮流计算方法。首先，本文建立了适用于概率潮流计算的交直流混合系统潮流模型。同时，针对Nataf变换无法处理源荷相关系数矩阵非正定的情况，本文采用一种基于奇异值分解的扩展Nataf变换，并结合拉丁超立方采样进行交直流混合系统的概率潮流计算。此外，针对传统Gram-charlier级数存在节点电压幅值等状态变量概率为负值的情况，本文提出一种C型Gram-charlier级数以解决该问题。最后，在改进的57节点交直流混合系统中验证了所提方法的有效性。     

可靠度分析中拉丁超立方和传统舍选抽样法对比研究

蒙特卡罗方法是计算工程可靠度的重要手段,其计算精度需要大量的样本数量,相应的计算量巨大。在蒙特卡罗方法中,采用拉丁超立方(LHS)法和传统舍选法两类抽样方法,计算了条形基础极限承载力的失效概率,对比分析两种抽样方法的差异。计算结果表明,拉丁超立方体抽样法得到失效概率需要样本数量约为舍选法数量的25%。通过增加样本数量拉丁超立方法能够更有效减小失效概率的变异系数,相同的样本数量得到的失效概率变异系数小于舍选法结果的一半。     

基于非侵入式混沌多项式法的随机阻曳流CFD模拟不确定度量化

比较了计算流体动力学不确定度分析中的验证与确认方法和不确定度量化方法之间的区别.介绍了一种最新的不确定度量化方法——非侵入式混沌多项式法,并应用该方法和传统的蒙特卡洛法分别对二维随机阻曳流进行不确定度量化,其中蒙特卡洛法选用了随机采样法和拉丁超立方采样法两种方法.研究了当进出口压力为服从均匀分布的随机变量时所引起的流动的不确定性.研究结果表明,应用蒙特卡洛法进行不确定度量化时,随机采样法和拉丁超立方采样法效果差别不大;混沌多项式方法相较于蒙特卡洛法可以更高效地模拟不确定性在流场中的传播.     

牵引负荷接入电力系统的随机潮流计算

基于随机潮流计算对含牵引负荷的电网潮流不确定性进行描述,提出使用群体感应机制的粒子群算法对牵引负荷概率模型进行参数辨识.采用基于Nataf变换的拉丁超立方采样技术控制随机潮流输入变量的相关性.结合算例仿真,分析在不同负荷空间相关性的情况下,牵引负荷的接入对电网电压和支路潮流概率分布的影响.结果表明,使用群体感应机制的粒子群算法参数辨识精度更高,且避免了基本粒子群算法易陷入局部最优解的缺点;考虑牵引负荷随机性的支路功率和电压概率分布因不同的负荷空间相关性变化明显.为新建高铁线路接入电网提供了参考.     

采用分组数据的序贯频谱感知方法

针对传统的认知无线电频谱感知方法在低信噪比下感知时间长、系统吞吐量低的问题,提出了一种采用分组数据的混合型序贯检测(MSD)方法。该方法首先将次用户的感知数据进行分组形成超采样,然后由数学理论推导出最大化系统吞吐量的最优虚警概率,并且利用牛顿迭代法搜索最优虚警概率,最后在最优虚警概率下对超采样序列依次进行细检测和粗检测,快速获得检测结果。MSD方法采用分组数据进行频谱感知,能有效缩短感知时长,获得最大系统吞吐量,从而提高频谱利用率。蒙特卡罗仿真结果表明,在低信噪比下MSD方法比传统的序贯检测法和序贯能量检测法的平均归一化吞吐量增加了109%和21%,平均感知开销率减少了75%和49%。     

考虑风电不确定性的清洁采暖负荷优化调度

负荷聚合商对集中式电采暖负荷、分散式电采暖负荷进行聚合管理,参与风电日前电力辅助服务市场交易,能够进一步降低弃风率.考虑风电出力不确定性和电采暖负荷的柔性特性,采用拉丁超立方采样模拟生成多个可能的风电出力场景,并计算每个场景可能的概率.建立考虑最小化弃风量、最小化备用容量、最小化补偿额以及最小化增加的用电量在内的多目标...     

蒙特卡罗法在机械可靠性中的应用

蒙特卡罗法是通过随机变量的统计试验或随机模拟,求解数学、物理和工程技术问题的近似解的数值方法,用传统的数值计算方法求解可靠性中函数的分布以及分布参数时要计算多种积分,导致问题复杂不易求解,通过蒙特卡罗法的数值近似随机求解可大大简化这类问题的求解。本文通过求解强度分布、分析可靠度等例子说明蒙特卡罗法在机械可靠性中的应用。     

碳纤维增强复合材料汽车保险杠的轻量化设计

针对某款纯电动汽车保险杠轻量化设计的要求与可制造性,设计了一种整体式碳纤维增强树脂基复合材料保险杠,并采用拉丁超立方采样、Kriging近似建模技术与遗传算法进行优化求解.结果表明,优化后的碳纤维增强树脂基复合材料保险杠能够满足耐撞性要求,并达到减重36.4%的轻量化效果.     

某转向架构架的可靠性及可靠性灵敏度

结合UIC615-4标准,对某转向架构架在各工况下进行了有限元强度分析,获得了最危险工况下构架危险点的应力响应.通过拉丁超立方抽样方法与试验设计方法获取构架危险点的应力与随机变量的仿真样本,并利用BP神经网络的非线性映射功能训练得到应力响应关于随机变量的显式表达式.结合随机摄动技术、一次二阶矩法及矩阵微分法,对构架的可靠性及可靠性灵敏度进行了分析,所得结果对转向架构架的工况和载荷优化具有一定的指导意义.     

Space Transformation-Based Interdependency Modelling for Probabilistic Load Flow Analysis of Power Systems

Dependence among random input variables affects importantly the results of probabilistic load flow(PLF),system economic operation,and system security.To solve this problem,the main objectiveness of the paper is to analyze the performance of several schemes for simulating correlated variables combined with the point estimate method(PEM).Unlike the existing works that considering one single scheme combined with Monte Carlo simulation(MCS) or PEM,by neglecting the correlation among random input variables,four schemes were presented for disposing the dependence of correlated random variables,including Nataf transformation /polynomial normal transformation(PINT) combined with orthogonal transformation(OT) / elementary transformation(ET).Combining with the 2m+1 approach of PEM,a space transformation-based formulation was proposed and adopted for solving the PLF.The proposed approach is applied in the modified IEEE 30-bus system while considering correlated wind generations and load demands.Numerical results show the effectiveness of the proposed approach compared with those obtained from the MCS.Results also show that the scheme of combining Nataf transformation and ET with PEM provides the best performance.     

采用重点抽样方法的电力系统概率仿真

针对电力系统概率仿真中常用的蒙特卡罗抽样方法样本容量太大、效率不高的现状,文章提出采用重点抽样方法来减少抽样方差,从而在保证计算精度的同时,显著减少抽样次数和计算时间,提高了蒙特卡罗方法的实用性。由IEEE标准测试系统的计算结果表明,该方法是有效和可行的     

考虑风电相关系数矩阵非正定的概率潮流计算

高比例风电并网导致电力系统的随机性因素急剧增加,概率潮流计算是电力系统运行和规划的必要工具.提出一种可灵活处理相关系数矩阵非正定的概率潮流方法.该算法通过改进近似贝叶斯计算,和结合奇异值分解的Nataf变换得到考虑相关性的状态变量样本,通过误差函数快速计算和比照统计特征值,进而将状态变量概率分布求解问题转变为一种参数反演问题.基于IEEE-30节点系统的仿真结果验证了所提方法的计算精度和时效性.     

可靠性约束函数未知的网路费用最小化快速求解

针对现代网络可靠性约束函数未知的网络费用最小化问题,提出基于在线SVM和MCS技术的快速求解算法.该算法由Monte Carlo仿真方法模拟网络可靠度值,由量子粒子群算法搜寻目标全局最优解,并充分利用MCS技术模拟的可靠性信息,在线建立SVM可靠性评估模型,借助SVM模型评估后续搜寻解的可行性,减少MCS模拟次数和求解时间.与Yeh方法相比,在可靠性模拟精度为0.01的条件下,模拟次数和求解时间都缩小近1个数量级.     

基于蒙特卡洛方法的惯性元件误差模型分析

为了减小惯性元件误差对捷联惯导系统的影响,将蒙特卡洛方法应用于惯性元件误差模型的分析,并编制了一套在RTLinux下运行的软件.利用轨迹发生器和导航程序,通过对各误差系数的选择、采用拉丁超立方和对偶变数相结合的抽样方法抽样,分析各误差项对导航精度的影响.在此基础上,提取出简化的误差模型,并对简化模型进行评定,选择符合要求的作为适用模型,从而可以利用该模型进行惯性元件的误差补偿以提高捷联惯导系统精度.惯性元件误差模型分析作为导航系统测试平台的一部分,已经应用于工程实践.     

蒙特卡洛法全周期抽样的研究

为了解决蒙特卡洛法的模拟计算精度与计算速度的矛盾，研究了蒙特卡洛法的模拟计算误差与随机数序列周期的关系，提出了蒙特卡洛法全周期抽样的新概念，从理论上证明了全周期抽样的收敛解是惟一的，与随机数种子无关，与系统规模无关。通过对IEEE－RTS可靠性试验系统的计算，说明全周期抽样蒙特卡洛法优于状态枚举法，其误差值随着随机数序列周期数的增大而减小。对不同规模的系统，选取周期数合适的随机数序列，全周期抽样所得到的计算结果就可以达到一定的精度，而不必采用周期数很大的随机数序列，从而提高了蒙特卡洛法的模拟效率。     

基于概率的退化钢筋混凝土桥梁加固措施优化

提出了一种基于概率的退化钢筋混凝土桥梁加固措施优化分析方法.选取构件可靠度作为性能指标,通过寿命函数来衡量结构性能演变过程,利用结合拉丁超立方抽样和计算机程序CBDAS的蒙特卡洛模拟法求解不同时刻的可靠度,再通过曲线拟合得到相应的寿命函数;给出加固措施对寿命函数影响的数学模型;建立了加固措施优化分析方法,根据可能的维修...     

基于自适应算法的电力系统可靠性评估

针对电力系统可靠性评估中Monte Carlo方法存在的计算效率低下的问题,提出应用自适应算法对系统状态进行概率分析。该算法采用变分运算分析和区间拟合的方法,实现在最优密度函数下抽样,降低计算方差。应用该方法对IEEE-RTS标准系统的发电部分进行了可靠性评估,并与采用常规抽样方法和重要抽样方法的评估结果做了比较,表明该算法在保证计算精度的前提下分别减少了87%和68%的抽样次数,对大型电力系统可靠性评估具有实用价值。